Audyt wzorców deceptive design z wykorzystaniem LLM
Audyt deceptive design patterns jest procesem wymagającym wiedzy eksperckiej z zakresu architektury informacji, w tym architektury wyboru, projektowania interfejsów oraz kontekstu regulacyjnego. Automatyczne narzędzia mogą wspierać wstępny screening występowania wybranych, formalnie występujących cech dokumentu hipertekstowego, np. pre-checked checkboxy, brak opcji symetrycznej lub jawne konfiguracje opt-in/opt-out, lecz nie są zdolne do wiarygodnej oceny manipulacji wizualnej, asymetrii percepcyjnej, sekwencyjnego utrudniania rezygnacji czy kontekstowej presji decyzyjnej.
W konsekwencji automatyczne procedury audytu nie powinny być traktowane jako substytut oceny eksperckiej, lecz wyłącznie jako etap wstępny, służący identyfikacji obszarów podwyższonego ryzyka wymagających dalszej, pogłębionej analizy.
Między heurystyką a dowodem strukturalnym
Badania ujawniły, że obecny poziom rozwoju narzędzi automatycznych umożliwia jedynie fragmentaryczną automatyzację wykrywania wybranych wzorców deceptive design, a nie pełną, systemową diagnozę tego zjawiska. Ograniczenie to wynika ze specyfiki deceptive design jako zjawiska kontekstowego, relacyjnego i często dynamicznego, podczas gdy zastosowane narzędzia operują na uproszczonych reprezentacjach strukturalnych lub heurystycznych.
Opublikowano: Król, K. (2026). Automated Detection of Deceptive Design Patterns on University Websites: A Comparative Analysis of Browser-Based Tools and LLM-Based Approaches. Applied Science, 16(9), 4543. DOI: 10.3390/app16094543
Abstrakt: W ostatnich latach pojawiły się narzędzia automatyzujące identyfikację wzorców deceptive design na stronach internetowych, jednak zakres i wiarygodność ich działania pozostają niedostatecznie zbadane. Szczególnie istotnym obszarem analizy są strony internetowe instytucji publicznych, które charakteryzują się rozbudowaną strukturą informacyjną oraz ograniczonymi możliwościami negocjowania warunków interakcji po stronie użytkownika. Celem niniejszej pracy jest empiryczna ocena występowania wzorców deceptive design na stronach internetowych uczelni wyższych w Polsce oraz analiza sposobu ich identyfikacji przy użyciu narzędzi automatyzujących analizę. Badanie objęło wszystkie publiczne uczelnie akademickie w Polsce (N=65). Analizę wykonano przy użyciu narzędzi automatycznych o odmiennych założeniach metodologicznych, obejmujących rozszerzenia przeglądarkowe oraz procedury analizy oparte na modelach językowych GPT.
Nie wszystko, co wygląda na obiektywny wynik, jest obiektywnym pomiarem
Wyniki wskazują na istotne różnice w charakterze generowanych rezultatów. Rozszerzenia przeglądarkowe umożliwiały jedynie jakościowe wskazywanie potencjalnych problemów, nie generując kompletnych i porównywalnych wyników liczbowych dla całego zbioru analizowanych stron. Wyniki heurystycznego modelu Real Time Deceptive Pattern Auditor (RTDPA) były silnie skoncentrowane (średnia 90,03; mediana 90; SD = 1,55; zakres 80–95), co świadczy o niskiej zdolności różnicowania analizowanych serwisów. Z kolei regułowy screening strukturalny Structural Interface Risk Screening (SIRS) ujawnił znacznie większe zróżnicowanie wyników (średnia 89,23; mediana 90; SD = 11,50; zakres 50–100). Zależność pomiędzy wynikami obu procedur była bardzo słaba (r = 0,089, p ≈ 0,48), co potwierdza ich ograniczoną porównywalność ilościową.
AI może wspierać analizę, ale nie zastępuje krytycznej interpretacji
Uzyskane wyniki wskazują, że obecny poziom rozwoju narzędzi automatycznych umożliwia jedynie fragmentaryczną automatyzację wykrywania wybranych wzorców deceptive design, a nie pełną, systemową diagnozę tego zjawiska. Narzędzia deklarowane jako pomiarowe pełnią w praktyce jedynie funkcję wstępnego screeningu, sygnalizując potencjalne obszary ryzyka. Brak rozróżnienia pomiędzy sygnalizacją ryzyka a pełnoprawnym pomiarem prowadzi do powstania zjawiska określanego jako iluzja automatycznej precyzji.